La inteligencia artificial cambia el mundo de la investigación de fauna salvaje

Jenna Stacy-Dawes, del zoo de San Diego, sabe lo urgente que es su investigación. Las jirafas reticuladas de las regiones del norte de Kenia que estudia han descendido un 70 por ciento en los últimos 30 años. En todo África, la cantidad de jirafas ha descendido un 40 por ciento en ese mismo periodo, reduciéndose a apenas 100.000 ejemplares. Los biólogos se apresuran a evaluar sus cifras, movimientos y hábitats preferidos para garantizar que se protejan esas zonas. Pero la forma tradicional de contar jirafas mediante reconocimientos aéreos cuesta tiempo y dinero, ambos escasos en el mundo de las jirafas.

Y aquí es donde entra Wildbook, un programa desarrollado por Wild Me, una empresa tecnológica de conservación sin ánimo de lucro con sede en Portland, que identifica automáticamente cada animal según los patrones únicos de su pelaje y otros rasgos distintivos, como el contorno de las orejas o las aletas. Con la ayuda de Wildbook y la organización sin ánimo de lucro Giraffe Conservation Foundation, Stacy-Dawes —coordinadora de investigación del Instituto para la Investigación de Conservación del zoo— y sus colegas son capaces de bombardear a fotos una población de jirafas en dos días, subir las imágenes y los datos de ubicación a su base de datos GiraffeSpotter, y listo: tienen una evaluación demográfica sólida. Hasta ahora, han usado Wildbook para evaluar la cantidad de jirafas de tres áreas de conservación de fauna silvestre del norte de Kenia.

«Antes, una evaluación demográfica no era algo que se pudiera hacer en un fin de semana. Es increíble», afirma Stacy-Dawes. «Ha sido de gran ayuda, ya que nos permite trabajar más rápido y comprender la población mejor de lo que podíamos hasta ahora».

Para finales de año, GiraffeSpotter será de acceso público, así que desde guardabosques hasta turistas de safari podrán subir sus fotos de jirafas y la información de ubicación a la base de datos en línea. «Podemos decuplicar nuestra labor de estudio al hacer que turistas y científicos ciudadanos contribuyan a nuestra investigación. Nos aportan un enorme conjunto de datos de los que no disponíamos antes», explica.

Bienvenidos al mundo de la inteligencia artificial en servicio de la conservación, donde algunas de las nuevas incorporaciones más trabajadoras a un equipo de investigación no son los científicos ni los becarios, sino ordenadores incansables. Del mismo modo que la inteligencia artificial (IA) da facultades a Alexa de Amazon, al filtro de spam de Google y a las sugerencias de amistades de Facebook, ahora se emplea para ayudar al reino animal. La IA está bien encaminada a completar tareas que los investigadores suelen llevar a cabo de forma manual, como la identificación de animales individuales a partir de fotos de estudios demográficos o la clasificación de los millones de fotografías de cámaras trampa aportadas por científicos de campo. Gracias a los avances del poder de computación y el aprendizaje automático, los ordenadores tienen la capacidad de aprender por sí solos empleando bancos de datos.

«Existe una tormenta perfecta de IA y tecnología de cámaras trampa en términos de comprender a los animales a partir de imágenes», explica Robert Long, biólogo de conservación en el Woodland Park Zoo de Seattle que ha colaborado con Microsoft para desarrollar herramientas de IA para supervisar carnívoros raros en el Pacífico Noroeste mediante cámaras trampa. «Creo que es literalmente una revolución en marcha en términos de autoidentificación de animales, ya sea con fotografía o con vídeo».

Un maratón de YouTube

Además del AI for Earth de Microsoft, con el que trabaja Long y al que la National Geographic Society aporta financiación, Google también tiene el Wildlife Insights. Ambos colaboran con investigadores para poner en marcha la automatización del análisis fotográfico de cámaras trampa. El programa de Microsoft, un proyecto de cinco años y 50 millones de dólares que aporta a los investigadores acceso a las herramientas de IA para resolver retos medioambientales, también colabora con Wildbook para reducir el coste de las nuevas bases de datos de Wildbook. Su objetivo es pasar de costes iniciales de decenas de miles de dólares a costes de operación anuales de mil dólares.

Wildbook ya cuenta con bases de datos de 20 especies, desde jaguares hasta cebras, pero hay miles de especies más que los ordenadores podrían aprender a identificar. Varias organizaciones y laboratorios de investigación emplean cada Wildbook de forma colaborativa, y los investigadores individuales son dueños de sus propios datos dentro de la base de datos de Wildbook.

La última novedad de Wildbook es un «agente inteligente», o bot, que rastrea YouTube cada noche para extraer vídeos nuevos de tiburones ballena, normalmente subidos por turistas o buceadores que comparten las imágenes de sus vacaciones. El agente inteligente ubica y extrae fotos de los tiburones ballena del vídeo, de forma que el bot puede analizar la constelación única de manchas del tiburón e identificarla. El bot también recopila datos y la ubicación del avistamiento (o se la solicita al dueño del vídeo en los comentarios), y después sube los datos a la base de datos de whaleshark.org, un Wildbook para tiburones ballena que cataloga a quienes emplean esta identificación fotográfica por ordenador.

«Nos ha sorprendido lo bien que trabaja el agente inteligente y lo rápido que es recopilando datos frente a un investigador humano tradicional», afirma Jason Holmberg, director ejecutivo de Wild Me. El agente inteligente funciona en cinco idiomas y analiza una media de 30 vídeos al día.

«Al soltar este dispositivo en YouTube, sobre todo con especies migratorias en el océano, puedes encontrar casos atípicos de avistamientos de animales inaccesibles para los investigadores», explica Jon Van Oast, ingeniero de Wildbook y el cerebro responsable del agente inteligente. «Llega a lugares a los que los investigadores no pueden llegar por razones logísticas o económicas».

Desde que el agente inteligente empezó a trabajar en mayo de 2017, ha localizado un total de 1.900 vídeos de tiburones ballena y mejora su rendimiento continuamente. En los últimos 30 días, ha registrado más de 500 encuentros, el doble que los analistas humanos más productivos. «Es básicamente una avalancha de datos libres que los investigadores no consiguen», afirma Holmberg. Los investigadores pueden usar estos datos para crear modelos demográficos, evaluar si las áreas marinas protegidas aumentan la cantidad de tiburones ballena o identificar nuevos puntos calientes de conservación de tiburones ballena.

Los datos demográficos recopilados por whaleshark.org fueron fundamentales para documentar la decisión de 2016 de cambiar la clasificación del tiburón ballena de especie «vulnerable» a «en peligro de extinción» en la Lista de Especies Amenazadas de la UICN, una base de datos global que supervisa y asigna estados de conservación. Por otra parte, los datos demográficos pueden informar la creación y la gestión de áreas marinas protegidas para aumentar la cantidad de tiburones ballena, diezmada a la mitad en los últimos 75 años.

En la actualidad, Wildbook ha puesto en marcha otro agente inteligente para avistar y registrar tortugas verdes y tortugas carey en vídeos de YouTube. Para finales de mes, pretenden tener un agente que identifique mantarrayas gigantes, ballenas jorobadas y jirafas en YouTube.

«Vislumbramos un mundo en el que los investigadores no tengan que pasarse años revisando sus datos, un mundo de supervisión continua en el que reaccionemos ante cifras demográficas rápidamente», afirma Holmberg.

Los ordenadores y las fotos de mala calidad

Muchas de las imágenes digitales subidas a las bases de datos de Wildbook son obra de humanos, pero las fotografías de los usuarios no son las únicas presas fáciles de la identificación de animales por ordenador. Una herramienta de campo cada vez más valiosa para supervisar dónde se encuentran los animales y cuántos hay es la cámara trampa, una cámara remota disparada por un movimiento o un sensor infrarrojo que saca fotografías de animales que pasan frente a ella.

Pero las imágenes de cámaras trampa suelen ser borrosas, estar desenfocadas o se sacan con poca luz. Y la enorme cifra de imágenes sacadas por cámaras trampa digitales puede ascender hasta las decenas o incluso los cientos de miles, creando un obstáculo en e laboratorio, donde alguien debe ver y registrar manualmente cada imagen.

«Hay una comunidad de personas que emplea imágenes para labores importantes y está muy limitada por el tiempo que necesitan los humanos para anotar todas esas imágenes, de forma que la IA podría acelerar mucho el trabajo de los biólogos de conservación», afirma Dan Morris, investigador principal del programa de Microsoft AI for Earth que estudia el procesamiento de imágenes mediante visión artificial para la conservación. Según él, la tecnología de IA ya es casi tan buena como para poder aplicarse a fotos de cámaras trampa, pero es probable que tenga limitaciones nada más llegar, porque la calidad fotográfica de las imágenes de cámaras trampa varía mucho, desde imágenes nocturnas borrosas a fotos sin encuadrar.

El aprendizaje automático no solo marcará el comienzo de la automatización de la supervisión de especies en peligro de extinción a partir de datos de cámaras trampa, sino también la automatización de la detección de cazadores furtivos, algo que según Morris está en el umbral de lo viable: «No puedes poner a gente por todas partes, pero sí se pueden poner cámaras por todas partes». El potencial de los ordenadores para ayudar al planeta comprende muchas cosas: analizar imágenes aéreas en paisajes árticos y de sabana, rastrear animales grandes, supervisar la recuperación y la pérdida forestal a partir de imágenes por satélite, o hasta monitorizar la contaminación por plástico empelando drones con IA. «La visión por ordenador puede darnos mucho, tanto en aplicaciones de conservación de la vida silvestre como en la sostenibilidad en general», afirma Morris. «En realidad, todo se reduce a aprovechar la IA para salvar el planeta».

Este artículo se publicó originalmente en inglés en nationalgeographic.com.